O tratamento e análise de dados decorreram em quatro fases. Neste sentido foram realizadas de uma forma sequencial uma validação do instrumento da recolha de dados face à amostra, uma análise ao modelo proposto com o teste das hipóteses formuladas, uma análise às relações de mediação, e uma análise comparativa aos resultados obtidos para a Administração Pública Central do Estado e a Administração Pública Autónoma Local.
As estatísticas descritivas de cada item foram calculadas com recurso ao Statistical Package
for Social Sciences – SPSS (versão 22), assim como a validação dos instrumentos face à
amostra, esta última através de uma abordagem escala a escala.
A validação do instrumento de recolha de dados face à amostra foi realizada escala a escala, de modo a assegurar que cada escala, constituída por um conjunto de variáveis manifestas possibilite medir o constructo latente que é suposto medir (Hill & Hill, 2005; Maroco, 2007). Para determinar a fiabilidade ou o grau de consistência interna de cada escala e a precisão do instrumento de medida, utilizou-se o coeficiente Alpha de Cronbach, sendo considerado aceitável valores superiores a 0,60 e idealmente iguais ou superiores a 0,70 (Hill & Hill, 2005; Maroco, 2007).
Para validar o grau em que a escala mede efectivamente o constructo latente, fez-se uso da análise factorial exploratória (AFE), utilizando-se o método de extracção da máxima verosimilhança (Maximum Likelihood) com rotação oblíqua dos factores Promax, com normalização Kaiser de modo a levar em consideração o valor das correlações dos factores
38 extraídos (Hair, Black, Babin & Anderson, 2010; Maroco, 2007). Os itens com carga factorial inferior a 0,5 foram eliminados, havendo a preocupação de manter pelo menos três itens ou variáveis manifestas na construção da variável latente para medir o constructo (Hair et al., 2010; Maroco, 2007).
Para verificar não só a fiabilidade, mas também a validade do instrumento de medida realizou-se uma análise factorial confirmatória a cada uma das escalas (Hair et al., 2010). Por fim, realizou-se uma análise factorial confirmatória a cada uma das escalas. Utilizou-se para tal o LISREL (versão 9.2).
O grau de consistência interna da medida de cada variável latente, ou fiabilidade é determinado não só através do valor da variância extraída (Variance Extracted), sendo considerado aceitável um valor igual ou superior a 0,5; mas também por intermédio da fiabilidade de constructo (Construct Reliability), sendo um bom indicador qualquer valor entre 0,6 e 0,7 e idealmente igual ou superior a 0,7 (Hair et al., 2010).
A análise ao modelo proposto foi realizada pela técnica de modelagem por equações estruturais (Structural Equation Modelling), através de indicadores de qualidade de ajustamento, tais como as medidas de ajustamento absoluto, as medidas de ajustamento incremental e as medidas de parcimónia e de comparação de modelos, permitindo testar a validade do modelo teórico que define relações causais entre variáveis, determinando o ajuste do mesmo aos dados disponíveis (Hair et al., 2010; Maroco, 2010; Salgueiro, 2007).
As medidas de ajustamento absoluto “determinam o grau em que o modelo global estimado reproduz a matriz de variância-covariância observada” (Salgueiro, 2007, p. 52), permitindo avaliar se o modelo se ajusta aos dados da amostra (Hair et al., 2010).
De modo a aferir o ajustamento do modelo aos dados da amostra foram utilizados o Qui- Quadrado (χ2) que possibilita avaliar as diferenças entre as matrizes de covariância, sendo o suporte ao modelo teórico mais sustentável quanto menor for o valor desta medida (Hair et
al., 2010); o Goodness-of-Fit Index (GFI) que permite medir “a quantidade relativa de
variância e covariância conjuntamente explicadas pelo modelo, comparando para tal o valor da estatística χ2 do modelo de teste (proposto) com o valor da estatística χ2 do modelo nulo” (Salgueiro, 2007, p. 52), possibilitando identificar a qualidade do ajuste do modelo com a
39 variação desta medida entre 0 e 1 (entre fraco e perfeito), sendo que se considera um bom ajustamento com valores iguais ou superiores a 0,9 (Hair et al., 2010); o Root Mean Square
Error of Approximation (RMSEA), que faculta por um lado o cálculo do erro de aproximação
à amostra e por outro a indicação da correcção a que o modelo deve ser sujeito, sendo a qualidade do ajustamento aceitável para valores iguais ou inferiores a 0,08 e idealmente inferiores a 0,05 (Hair et al., 2010); e o Critical N (CN) que apresenta uma estimativa da dimensão da amostra para a aceitação estatística do modelo, devendo o valor deste índice ser inferior à dimensão da amostra (Salgueiro, 2007).
As medidas de ajustamento incremental possibilitam comparar o modelo de referência (nulo ou independente) com o modelo proposto, apresentando um melhor ajustamento do modelo proposto quanto maior a diferença entre modelos (Salgueiro, 2007).
Com o intuito de avaliar o ajustamento do modelo proposto foram utilizados índices derivados do Normed Fit Index (NFI), que medem o incremento resultante da alteração do modelo nulo para o modelo proposto, tais como o Comparative Fil Index (CFI), que tem em consideração os graus de liberdade, indicando um melhor ajustamento com valores iguais ou superiores a 0,9 (Hair et al., 2010); e o Incremented Fit Index (IFI), que leva em conta os graus de liberdade e a dimensão da amostra, sendo que um bom ajustamento deve ter valores iguais ou superiores a 0,9 (Salgueiro, 2007).
As medidas de parcimónia e de comparação atentam ao número de parâmetros a estimar, permitindo identificar qual o modelo com o melhor ajustamento (Salgueiro, 2007).
Assim sendo, a correcção do valor do Qui-Quadrado pelos Graus de Liberdade (χ2/df) é apresentada como uma medida de parcimónia, sendo considerado um bom indicador da bondade de ajustamento um modelo com uma medida igual ou inferior a 3, apesar da falta de consenso quanto a este valor (Salgueiro, 2007). Como critério de comparação de modelos foi utilizado o Akaike Information Criterion (AIC), que confronta o modelo nulo com o modelo proposto, assumindo um melhor ajustamento o que tiver valor inferior.
A análise às relações de mediação foi baseada em pressupostos definidos por Hair et al. (2010), sendo realizada inicialmente através do teste do modelo sem mediação, verificando a existência de relação directa estatisticamente significativa entre as variáveis independente e dependente; seguidamente por meio do teste do modelo com a existência de relações
40 indirectas da variável mediadora, quer com a variável independente, quer com a variável dependente, consubstanciando a necessidade da existência de pelo menos uma relação indirecta estatisticamente significativa; posteriormente pela adição ao modelo anteriormente obtido da relação directa entre a variável independente e a variável dependente, sendo imprescindível que as relações indirectas entre a variável mediadora e as outras variáveis se mantenham estatisticamente significativas; e por último pela estimativa da totalidade dos efeitos indirectos presentes na relação de mediação estatisticamente significativos.
Assim sendo, o teste das relações de mediação permitiu determinar a significância dos efeitos indirectos através do cálculo do valor de z’ de MacKinnon, pelo que a existência de uma relação de mediação implica a rejeição da hipótese nula de existência de efeitos indirectos (H0: z’ = 0), em que o valor de z’ a um nível de significância de 0,05 é igual ou superior a 0,97 (MacKinnon, Lockwood, Hoffman, West & Sheets, 2002).
A análise às relações de moderação foi efectivada na análise multigrupos, sendo realizada inicialmente através do teste do modelo sem qualquer restrição, posteriormente com a introdução de restrições de igualdade entre os grupos para os parâmetros Matriz Gamma e Matriz Beta, e finalmente pelo teste da hipótese nula de invariância dos parâmetros considerados através do teste das diferenças de χ2 (Baron & Kenny, 1986; Hair et al., 2010; Salgueiro, 2007).
Nas hipóteses que comparam a Administração Central e Autónoma Local foi também utilizado o t de Student de modo a determinar diferenças estatisticamente significativas para um intervalo de 95% de confiança (Maroco, 2010).
41
3. RESULTADOS
3.1 Validação do Instrumento face à amostra